llm-coding-agents

一个LLM编码代理实现多组件数据系统的案例研究，分析缺陷并在HotpotQA上评估检索策略，突出了自动化与实证测试之间的差距。

QuoteBench 揭示了执行边界解析错误显著降低了大型语言模型编程代理的成功率，并且披露边界有助于恢复性能，这表明评估必须考虑部署配置，而不是将匹配分数视为模型的内在属性。

CORVUS提出了一种新的轨迹架构用于LLM编码代理，通过维护相关文件的同步注册表，将文件读取操作与观察结果解耦，从而减少输入令牌9-50%，推理周期最多减少37%，同时在SWE-bench基准上保持相当的通过率。